编码器（Encoder）是人工智能系统中将输入数据转换为特定编码形式的组件或算法，其核心功能在于提取和压缩原始数据的特征信息。在机器学习和信号处理领域，编码器通过数学变换将高维、冗余的原始数据（如图像、语音或文本）转化为低维、稠密的特征表示，这种表示通常更易于后续模型处理和分析。典型的编码器结构包括自编码器（Autoencoder）中的对称编码部分、Transformer模型中的多头注意力机制，以及计算机视觉中常用的卷积神经网络（CNN）特征提取层。
在具身智能产品的实际开发中，编码器的选择直接影响系统对环境的感知质量。例如服务机器人通过视觉编码器实时解析场景的几何特征，对话系统通过文本编码器捕捉语义上下文。当前技术趋势显示，基于自监督学习的通用编码器（如CLIP的图像-文本联合编码）正显著降低多模态系统的开发门槛，而轻量化编码器设计则成为边缘设备部署的关键突破口。